Perkembangan terkini telah meningkatkan sistem visi komputer dengan integrasi model bahasa visual (VLM), yang memungkinkan pemahaman konten visual yang lebih mendalam. Model-model ini dapat menghubungkan deskriptor tekstual dengan informasi spasiotemporal, memberikan wawasan berharga bagi tim dari sejumlah besar data visual yang dikumpulkan setiap hari. Dengan menerapkan VLM, organisasi dapat mentransformasi sistem lama, meningkatkan kemampuan pencarian konten visual dengan teks yang padat, meningkatkan peringatan dengan konteks yang detail, dan meringkas skenario kompleks menggunakan inferensi AI.

Salah satu contoh penerapan teknologi ini adalah sistem inspeksi kendaraan otomatis UVeye, yang memproses jutaan gambar beresolusi tinggi untuk mendeteksi cacat dengan akurasi tinggi. Aplikasi VLM ini mengubah data visual menjadi laporan terstruktur, meningkatkan kemampuan pencarian dan secara signifikan meningkatkan tingkat deteksi cacat. Demikian pula, Relo Metrics memanfaatkan VLM untuk pengukuran pemasaran olahraga, memberikan wawasan real-time kepada merek tentang nilai investasi media mereka, memungkinkan optimasi strategis dan penghematan biaya yang signifikan.

Lebih lanjut, VLM digunakan untuk meningkatkan sistem visi komputer berbasis CNN, menyediakan kemampuan yang melampaui peringatan biner sederhana. VLM menambahkan lapisan pemahaman kontekstual yang merinci insiden. Hal ini khususnya berguna dalam aplikasi seperti manajemen lalu lintas kota pintar dengan Linker Vision. Pendekatan ini mengotomatiskan analisis kejadian di ribuan aliran kamera, mengurangi positif palsu, dan meningkatkan waktu respons kota.

Terakhir, sistem AI agen yang menggabungkan VLM dengan model dan teknologi lain dapat memproses dan bernalar berdasarkan kueri yang kompleks. Misalnya, Levatas mengembangkan solusi inspeksi visual yang memanfaatkan VLM untuk menghasilkan laporan inspeksi terperinci, menyederhanakan proses yang sebelumnya manual. Kemajuan dalam AI agen ini sebagian besar didukung oleh teknologi NVIDIA. NVIDIA menyediakan alat yang dibutuhkan pengembang untuk membangun indeks yang kaya metadata dan mengintegrasikan VLM ke dalam berbagai aplikasi, membantu mereka meningkatkan skala operasi dan meningkatkan kemampuan analitik video mereka.